Red neuronal profunda para la modelización de la dinámica de solitones en el láser bloqueado por modos

Integrando la información del primer ciclo de un pulso óptico en una cavidad en la entrada de una red neuronal, se propone una red neuronal recurrente (RNN) de memoria a largo y corto plazo bidireccional (BiLSTM) con un mecanismo de atención para predecir la dinámica de un solitón desde el estado de detuning en estado estacionario hasta el estado estable bloqueado por modos. El entrenamiento y la prueba se basan en dos dinámicas no lineales típicas: la evolución convencional del solitón a partir de varias energías de saturación y la evolución de moléculas de solitón bajo diferentes coeficientes de dispersión de velocidad de grupo de fibras ópticas. En ambos casos, el error cuadrático medio (RMSE) para el 80% de las muestras de prueba está por debajo del 15%. Además, la ancho del pulso de solitón convencional y el intervalo de pulso de la molécula de solitón predicho por la red neuronal son consistentes con los resultados experimentales. Estos resultados proporcionan una nueva perspectiva sobre la modelización de la dinámica no lineal del láser de fibra ultra rápida.